আমি ধরে নেব যে আপনার প্রশ্নাবলিকে একতরফা মাত্রা হিসাবে বিবেচনা করা উচিত (অন্যথায়, ক্রোনবাচের আলফা খুব একটা বোঝায় না)। এটি পরীক্ষা করার জন্য এটি অনুসন্ধানকারী ফ্যাক্টর বিশ্লেষণ চালানোর পক্ষে মূল্যবান। এটি আপনাকে আইটেমগুলি কীভাবে স্কেলের সাথে সম্পর্কিত তা দেখার অনুমতি দেয় (অর্থাত্ তাদের লোডিংয়ের মাধ্যমে)।
আপনার আইটেম এবং আপনার স্কেল বৈধতা জন্য প্রাথমিক পদক্ষেপ অন্তর্ভুক্ত করা উচিত:
- আইটেমগুলির বুনিয়াদি পরিসংখ্যান (পরিসীমা, কোয়ার্টাইলস, কেন্দ্রীয় প্রবণতা, সিলিং এবং ফ্লোর এফেক্টস যদি থাকে তবে) এর একটি সম্পূর্ণ প্রতিবেদন;
- অভ্যন্তরীণ ধারাবাহিকতা যাচাই করা যেমন আপনি আপনার আলফা দিয়ে করেছেন (সেরা, 95% আস্থা অন্তর দিন, কারণ এটি নমুনা-নির্ভর);
- সাধারণ পরিসংখ্যান (হিস্টগ্রাম + ঘনত্ব, কোয়ান্টাইল ইত্যাদি) সহ আপনাকে সংক্ষিপ্ত পরিমাপের বর্ণনা (উদাহরণস্বরূপ, মোট বা গড় স্কোর, ওরফে স্কেল স্কোর);
- আপনার নির্ধারিত যে নির্মাণগুলি সম্পর্কিত বলে মনে করা হচ্ছে সেই নির্দিষ্ট কোভেরিয়টের বিরুদ্ধে আপনার সংক্ষিপ্ত প্রতিক্রিয়াগুলি যাচাই করুন - এটি পরিচিত-গ্রুপের বৈধতা হিসাবে উল্লেখ করা হয়;
- যদি সম্ভব হয় তবে একই কন্সট্রাক্ট ( সমবর্তী বা রূপান্তরকারী বৈধতা) পরিমাপ করার জন্য পূর্বপরিচিত যন্ত্রগুলির বিরুদ্ধে আপনার সংক্ষিপ্ত প্রতিক্রিয়াগুলি পরীক্ষা করুন ।
যদি আপনার স্কেল একতরফা না হয় তবে প্রতিটি পদক্ষেপের জন্য এই পদক্ষেপগুলি করতে হবে এবং দ্বিতীয়-ক্রমের ফ্যাক্টর কাঠামোটি নির্ধারণ করতে (বা স্ট্রাকচারাল সমীকরণ মডেলিং, বা নিশ্চিতকরণমূলক গুণক বিশ্লেষণ, বা তুমি যা চাও). আপনি মাল্টি-ট্রিট স্কেলিং বা মাল্টি-ট্রিট মাল্টি-মেথড মডেলিং (স্কেলের মধ্যে এবং মধ্যবর্তী আন্তঃসংযোগের ভিত্তিতে), বা আবারও এসইএম ব্যবহার করে কনভার্জেন্ট এবং বৈষম্যমূলক বৈধতার মূল্যায়ন করতে পারেন।
তারপরে, আমি বলব যে আইটেম রেসপন্স থিওরি আপনাকে তেমন সাহায্য করবে না যদি আপনি আপনার প্রশ্নপত্রটি সংক্ষিপ্ত করতে আগ্রহী না হন, কিছু আইটেমগুলি ফিল্টার করে যা ডিফারেন্টাল আইটেমটির কার্যকারিতা দেখায় বা কোনওরকম কম্পিউটার অভিযোজিত পরীক্ষায় আপনার পরীক্ষা ব্যবহার করে না ।
যে কোনও ক্ষেত্রে, রাশ মডেল বাইনারি আইটেমগুলির জন্য। বহুতল আদেশযুক্ত আইটেমগুলির জন্য, সর্বাধিক ব্যবহৃত মডেলগুলি হ'ল:
- গ্রেড প্রতিক্রিয়া মডেল
- আংশিক creditণ মডেল
- রেটিং স্কেল মডেল।
কেবলমাত্র দ্বিতীয়টি রাশ পরিবার থেকে, এবং তারা মূলত একটি সংলগ্ন প্রতিক্রিয়া সূত্র ব্যবহার করে, এই ধারণাটি দিয়ে যে প্রদত্ত প্রতিক্রিয়া বিভাগটি অনুমোদনের জন্য বিষয়টিকে বেশ কয়েকটি চৌম্বকটি "পাস" করতে হবে। এই দুটি মডেলের মধ্যে পার্থক্যটি হ'ল পিসিএম থেটসোল্ডগুলি সমানভাবে থিতায় ( দক্ষতা বা সুপ্ত বৈশিষ্ট্যের উপর বিষয় অবস্থান) স্কেল ব্যবস্থায় চাপিয়ে দেয় না । শ্রেণিবদ্ধ প্রতিক্রিয়া মডেল একটি সংশ্লেষপূর্ণ প্রতিকৃতি গঠনের উপর নির্ভর করে। সচেতন হন যে এই মডেলগুলি সমস্ত মনে করেন যে স্কেল একক মাত্রা; অর্থাত্, কেবল একটি সুপ্ত বৈশিষ্ট্য রয়েছে। অতিরিক্ত অনুমান যেমন যেমন স্থানীয় স্বাধীনতা (যেমন, প্রতিক্রিয়াগুলির মধ্যে পারস্পরিক সম্পর্কগুলি দক্ষতার স্কেল পরিবর্তনের মাধ্যমে ব্যাখ্যা করা হয়) are
যাইহোক, আপনি পরিসংখ্যান সংক্রান্ত সফ্টওয়্যার জার্নালের 20 খণ্ডে সাইকোমেট্রিক পদ্ধতি প্রয়োগ করার জন্য একটি খুব সম্পূর্ণ ডকুমেন্টেশন এবং দরকারী সংকেত পাবেন: বিশেষ খণ্ড: আরকে সাইকোমেট্রিক্স । মূলত, সবচেয়ে আকর্ষণীয় আর প্যাকেজ যে আমি আমার দৈনন্দিন কাজের মধ্যে ব্যবহার করতে হয়: ltm , ERM , Psych , Psy । অন্যদের CRAN টাস্ক ভিউ সাইকোমেট্রিক্সে রেফারেন্স করা হয় । আগ্রহের অন্যান্য সংস্থানগুলি হ'ল:
স্কেল গঠন সালে এফএ বনাম আইআরটি ব্যবহারের উপর একটি ভাল পর্যালোচনায় বাস্তবে ধরনের নির্মাণ এবং মূল্যায়নে পাওয়া যাবে: বনাম আইটেমটি প্রতিক্রিয়া তত্ত্ব অ্যাপ্লিকেশন ফ্যাক্টর বিশ্লেষণ একটি পর্যালোচনা , দশ দ্বারা Holt, এট (মনস্তাত্ত্বিক টেস্ট এবং অ্যাসেসমেন্ট মডেলিং (2010) 52 (3): 272-297)।